Zur Seitenansicht
 

Titelaufnahme

Titel
A comparison of methods used in genomic selection / Verf.: Ludwig Geroldinger
VerfasserGeroldinger, Ludwig
Betreuer / BetreuerinSölkner, Johann ; Meszaros, Gabor
Erschienen2015
Umfang52 S. : graph. Darst.
HochschulschriftWien, Univ. für Bodenkultur, Masterarb., 2015
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
DokumenttypMasterarbeit
Schlagwörter (DE)Genomischer Zuchtwert BLUP Bayesianisches Modell Genetische Architektur Multi-trait Modell
Schlagwörter (EN)Genomic breeding value BLUP Bayesian model Genetic architecture Multi-trait model
Schlagwörter (GND)Zuchtwertschätzung / Methode
URNurn:nbn:at:at-ubbw:1-3104 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
A comparison of methods used in genomic selection [0.67 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Aufgrund der schnellen Weiterentwicklung biochemischer Methoden ist die Entschlüsselung von DNS Daten in den letzten Jahren sehr günstig geworden. Dadurch hat sich das Sequenzieren von Genomen als effizientes Hilfsmittel in der Pflanzen- und Tierzucht erwiesen. In dieser Arbeit besprechen wir Methoden zur Zuchtwertschätzung, welche auf hochauflösenden Marker-Arrays oder auf voll sequenzierten Genomen basieren. Zuerst werden Modelle präsentiert, welche die Effekte von Genen, basierend auf phänotypischer Information an einem Merkmal, schätzen. Der Hauptunterschied zwischen den Modellen liegt in den unterschiedlichen Annahmen über die genetische Architektur des Merkmals, welche durch die Anzahl und durch die Effektgrößen der zugrundeliegenden Loci gegeben ist. Obwohl sich die Modelle weniger in deren Genauigkeit der Zuchtwertschätzung unterscheiden als man zunächst erwarten würde, konnte ein deutlicher Modell-abhängiger Effekt der genetischen Architektur auf die Genauigkeit der Zuchtwertschätzung festgestellt werden. Bayesianische Modelle treffen genauere Vorhersagen als gemischte Regressionsmodelle, wenn das Merkmal durch wenige Loci bestimmt wird. Falls allerdings das Merkmal von sehr vielen Loci beeinflusst wird, schätzen die Regressionsmodelle den Zuchtwert besser. Schließlich diskutieren wir den Einfluss der Anzahl an Markern, der Heritabilität und der Anzahl der phänotypischen Messungen auf die Genauigkeit der Modelle. Im zweiten Teil der Arbeit, verallgemeinern wir die Modelle auf mehrere Merkmale. Diese Modelle nutzen die vorhandenen phänotypischen Informationen (meist) effektiver, da sie Korrelation zwischen den Merkmalen berücksichtigen. Die Genauigkeit der Zuchtwertvorhersagen profitiert hier besonders, wenn ein Merkmal mit kleiner Heritabilität zu einem Merkmal mit höherer Heritabilität korreliert ist. Auch wenn nur wenige phänotypische Messungen vorliegen, ist der Einsatz von Modellen mit mehreren Merkmalen gegenüber Modellen mit einem Merkmal vorteilhaft.

Zusammenfassung (Englisch)

Due to recent advances in sequencing technology, an increasing number of dense marker maps and fully sequenced genomes is becoming available for many populations in animal and plant breeding. In this thesis we study recently developed methods for the estimation of breeding values based on genomic data. In the first part of the thesis, we present models which estimate genetic effects of markers, hence genetic breeding values, based on phenotypic records from single traits. These models differ in their assumptions on the genetic architecture of the trait, i.e., on the number of QTLs and on their effect-sizes. Although the differences in accuracy between the models are smaller than expected, we determine a strong model-dependent influence of the genetic architecture on the accuracy of breeding values. We show that Bayesian models usually perform better than linear mixed models if a few QTLs determine the trait, whereas the opposite may be true if many QTLs are underlying the trait. Further, we explore the influence of the density of markers, the heritability of the trait, and the number of phenotypic records on the performance of the methods. In the second part of the thesis, we review multi-trait models. These models use the available data more efficiently than single-trait models by incorporating correlations between traits. The multi-trait models increase the accuracy of breeding values for low-heritability traits which are correlated to high heritability traits. Especially, if phenotypic records are missing for low-heritability traits, the use of multi-trait models is strongly recommended.